Cato Networks今日推出其安全访问服务边缘(SASE)平台的模块化采用模式,让企业能够部署个别安全和网络功能,无需立即承诺全面的SASE部署,同时仍能获得底层统一架构的支持。
通过这种新的模块化模式,组织可以从四个独立模块的任意组合开始——AI安全、SD-WAN、SSE和通用ZTNA——然后逐步扩展。该公司表示,每个模块都通过共享管理控制台、策略框架和数据湖增加价值,而不是创建新的信息孤岛。所有模块都运行在Cato Neural Edge上,这是一个由GPU驱动的全球私有骨干网络,覆盖超过85个存在点。
该公司表示,每个模块都可以作为企业级解决方案独立运行。Cato AI安全模块旨在保护和管理从影子AI到智能体的AI交互。Cato SD-WAN通过公司的全球私有骨干网络提供零接触部署。Cato SSE为互联网、SaaS和私有应用提供安全访问,无需网络更改。通用ZTNA通过持续的基于风险的验证,在每种用户类型和位置执行单一策略。
Cato产品营销高级副总裁Nimmy Reichenberg在关于此消息的博客中写道:"每个主要功能都可以独立采用,定价简单透明,解决实际使用需求,同时仍然是单一统一系统的一部分。但模块化并不意味着分离。无论从哪里开始,你都能立即利用Cato SASE平台的全部力量。"
Cato将此举定位为其所称"平台经济"的一部分,认为供应商将单独获得的产品打包在单一品牌下,会将运营复杂性和成本转嫁给客户。
Cato Networks联合创始人兼CEO Shlomo Kramer在声明中表示:"平台经济反映了网络安全的根本性转变。架构不再仅仅是技术决策;它决定了风险的经济效率。在AI时代,只有统一系统才能提供组织所需的速度、韧性和财务优势。"
Cato提供基于用户和站点带宽的模式,允许客户按需扩展。许可证可以在前12个月内逐步部署,具有灵活的消费模式以适应流量突发,该公司表示这消除了前期猜测,支持分阶段采用而不会干扰业务运营。
Q&A
Q1:Cato Networks的模块化SASE平台包含哪些功能模块?
A:Cato Networks的模块化SASE平台包含四个独立模块:AI安全、SD-WAN、SSE和通用ZTNA。每个模块都可以独立部署,同时通过共享管理控制台、策略框架和数据湖实现统一管理,所有模块都运行在覆盖超过85个全球节点的GPU驱动私有骨干网络上。
Q2:企业如何使用这个模块化模式进行部署?
A:企业可以从四个模块的任意组合开始部署,无需立即承诺全面的SASE部署,然后根据需要逐步扩展。Cato提供基于用户和站点带宽的定价模式,许可证可以在前12个月内逐步部署,具有灵活的消费模式以适应流量突发需求。
Q3:模块化SASE平台相比传统方案有什么优势?
A:模块化SASE平台避免了供应商将分离产品简单打包造成的运营复杂性和成本问题。每个模块既可以独立运行,又能通过统一架构获得完整平台的能力,消除了前期部署猜测,支持分阶段采用而不会干扰业务运营,在AI时代提供更好的速度、韧性和财务优势。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。